我想了解的区别RidgeClassifier和逻辑回归在sklearn.linear_model
。我在文档中找不到它。
我想我很清楚 LogisticRegression 的作用。它计算系数和截距以最小化half of sum of squares of the coefficients + C times the binary cross-entropy loss
,其中 C 是正则化参数。我从头开始检查一个幼稚的实现,结果一致。
RidgeClassifier 的结果不同,我无法弄清楚,系数和截距是如何计算的?查看 Github 代码,我没有足够的经验来解开它。
我问的原因是我喜欢 RidgeClassifier 结果——它对我的问题概括得更好。但在我使用它之前,我至少想知道它是从哪里来的。
感谢您提供可能的帮助。
翻过高山走不出你
相关分类